SakanaAI最近推出了一款叫PD-NCA的人工生命模拟系统，直接让数字世界里的“小生命体”自己竞争、协作，还能自发演化出复杂行为。

　　这玩意儿打破了之前同类模型的局限，给人工生命研究带来了新方向,人工生命研究一直想搞明白一个事：生命的复杂性能不能在计算系统里自然出现。

　　之前的神经细胞自动机（NCA）虽然能展现自组织能力，但结构太单一，演化到一定程度就卡住了，跟一潭死水似的,而PD-NCA的出现，正好解决了这个问题。

　　PD-NCA的设计思路挺有意思,它不是让单个NCA“单打独斗”，而是搞了个“培养皿”，一个网格状的空间，让多个NCA智能体在里面共存。

　　每个智能体都有自己独立的神经网络参数，就像每个人有自己的脑子，它们的核心目标只有一个：自我复制，抢占更多领地。

　　网格里的每个格子，都被赋予了一组关键信息，包括攻击、防御和隐藏状态,这三样就像智能体的“生存装备”，帮它们在环境里立足。

　　更绝的是，研究人员还加了个“背景环境”，就像一个永远存在的竞争者，从模拟开始就不闲着，一直给这些智能体施压,如此看来，这些数字生物根本没法“躺平”。

　　它们得时刻保持攻击和防御状态，不然就会被背景环境或者其他智能体挤掉,本来想简单理解成数字版“适者生存”，但后来发现里面的门道多着呢。

　　这些智能体的生存流程分四步,先通过卷积函数观察周围环境，提出自己的“状态更新建议”，但只能在自己存活或邻近的格子里提。

　　接着进入竞争阶段，温度参数会控制竞争激烈程度，温度越低，赢的一方优势越明显,然后通过归一化操作分配“贡献权重”，最后更新自己的生存状态。

　　值得一提的是，研究人员设定了0.4的最低生存阈值，这意味着一个格子里最多能有两个智能体共存,毫无疑问，这种设计避免了“赢家通吃”的无聊局面，让整个系统保持了探索性,这种灵感来自混合专家模型，不得不说，把AI领域的思路用到人工生命上，确实挺巧妙。

　　聊完了生存规则，再说说这些数字生物在培养皿里的真实表现,研究人员做了不少实验，观测到的现象还真超出了不少人的预期。

　　当培养皿的网格规模从16×16扩大到196×196，同时增加NCA智能体的数量，整个系统的群体行为一下子丰富起来,不再是简单的扩张和对抗，还出现了周期性动态、领地防御甚至自发协作的行为。

　　这跟现实世界里生物群落的发展还真有点像，空间越大、物种越多，互动就越复杂,学习机制在里面起到了关键作用,没有学习功能的时候，这些智能体最后都会进入稳定状态，只有微小波动，没啥看头。

　　一打开学习机制，它们就像突然“开窍”了，不仅有了周期性的互动，还能在不同状态之间持续演化,更重要的是，反向传播的启用让这些复杂行为变得更丰富、更持久,本来以为多智能体之间只会竞争，没想到还能出现协作。

　　比如有的智能体会联合起来对抗强势的同类，有的则会在特定区域形成稳定的互动模式,这种自发形成的关系，不需要提前编程设定，完全是演化出来的，这正是人工生命研究想要的“开放式复杂化”。

　　研究人员还尝试让3到6个智能体形成更长的超循环结构，但结果不太理想,大多数时候，长循环会坍缩成2到3个智能体的短循环，有的还会出现寄生行为。

　　比如有实验里，黄色智能体本来能从绿色智能体的扩张中获益，结果反而被绿色智能体侵占了领地,如此看来，复杂的协作链条确实很难稳定维持，即便是数字世界里的“生物”，也逃不开生存的本质。

　　PD-NCA的这些实验结果，不仅验证了设计的有效性，还为人工生命研究提供了新的思路,它证明了在可微分的动态学习环境中，生命体样的结构不用预先设定，完全能在交互、竞争和进化中自行演化出来。

　　跟之前的人工生命探索比如EvoSphere自主演化机器人相比，PD-NCA的可微分交互机制更精细，学习过程也更深入地融入了模拟之中,这种差异让它在复杂行为的涌现上更有优势，也让我们对生命复杂性的起源有了更深的理解。

　　未来，研究人员计划进一步扩大网格规模，增加更多智能体，甚至用多GPU并行计算来支撑更大规模的模拟,除此之外，PD-NCA的思路还能用到复杂系统模拟、AI演化算法优化等领域。

　　虽然目前还面临着可控性、规模扩展等挑战，但不可否认，它已经为人工生命研究打开了一扇新的大门,从传统NCA的固定规则到PD-NCA的动态演化，人工生命研究正在一步步逼近生命的本质。

　　这些在培养皿里“卷来卷去”的数字生物，不仅展现了自发演化的可能性，也让我们看到了计算系统模拟生命复杂性的巨大潜力,在不久的将来，我们能通过类似的模型，更深刻地理解现实世界里生命的起源和演化规律。